ホーム › ガイド › AIチップの種類 — GPU・TPU・NPU・ASIC・FPGAの違い

テーマ / 半導体

AIチップの種類 — GPU・TPU・NPU・ASIC・FPGAの違いと、どこに投資できるか

公開 2026-06-30 ・更新 2026-07-19

AI＝GPU、と思われがちですが、実際にはGPU・TPU・NPU・ASIC・FPGAと複数の種類のチップが役割分担しています。この記事ではそれぞれの違いを平易に整理し、さらに「上場株として実際に買えるのはどれか」という投資家目線まで踏み込みます。

まず全体像：AIチップは「汎用 ↔ 専用」の連続体

AIを計算するチップは、汎用で柔軟なほど遅く・電力を食い、専用なほど速く・省電力だが用途が狭い、というトレードオフの上に並びます。

CPU：何でもできるが並列計算は不得手（AIの主役ではない）
GPU：大量の並列計算が得意な「準汎用」。AI学習の主力
FPGA：回路を書き換えられる中間的存在
ASIC（TPU/NPUを含む）：特定の計算に特化した専用チップ。最速・最省電力だが柔軟性は低い

TPU や NPU は、この中の「AI専用ASIC」の一種だと捉えると分かりやすいです。半導体全体の見取り図は AI半導体株ガイドも参照してください。

GPU：AI学習の主力（汎用並列）

GPU（Graphics Processing Unit）はもともと画像処理用ですが、数千の小さな計算コアで行列演算を一気に並列処理できるため、ディープラーニングの学習(training)で事実上の標準になっています。汎用性が高く、ソフトウェア資産（CUDA等）も厚いのが強み。
上場株では NVIDIA(NVDA) が代表格で、データセンターGPUで圧倒的シェアを持ちます。対抗が AMD(AMD)。汎用ゆえ「とりあえず動く」のが利点で、需要の起点になっています。

TPU：Googleのテンソル演算専用ASIC

TPU（Tensor Processing Unit）は Googleが自社設計したAI専用ASICです。行列（テンソル）演算に回路を最適化し、同じ電力でGPUより高い効率を狙います。Googleのデータセンターや一部クラウドで使われています。
投資家として重要なのは、TPUは基本的にGoogleの内製で、TPU単体を上場株として買うことはできない点です。恩恵を受けるのはむしろ、その設計・製造を支える企業（後述のカスタムASIC設計や製造装置）になります。

NPU：エッジ（スマホ・PC・車）の推論エンジン

NPU（Neural Processing Unit）は、端末側で推論(inference)を低消費電力で動かすための専用回路です。スマホ・PC・車載などのエッジAIで使われ、SoC（システムオンチップ）に内蔵されることが多いです。
クラウドに送らず手元で処理するため、低遅延・省電力・プライバシーで有利。上場関連では、モバイルSoCで Qualcomm(QCOM)、PC向けに AMD や（非掲載の）各社、車載・産業のエッジ半導体などが関わります。NPUも多くはSoCの一機能で、「NPU単体株」はほぼ存在しません。

ASIC：特定用途に特化した最速チップ

ASIC（Application-Specific Integrated Circuit）は特定の処理だけに最適化した専用チップの総称で、TPUもNPUもこの一種です。汎用GPUより性能/電力・コストで有利になりやすい一方、設計に時間と費用がかかり、用途が変わると作り直しになります。
ハイパースケーラ（クラウド大手）は自社AIワークロード向けにカスタムASICを増やしており、その設計を請け負う企業が上場株として投資対象になります。詳しくはカスタムAIチップ(ASIC)株ガイドへ。代表は Broadcom(AVGO)・Marvell(MRVL)。

FPGA：書き換えられる中間的存在

FPGA（Field-Programmable Gate Array）は出荷後に回路構成を書き換えられるチップです。ASICほど速く・省電力ではないものの、少量多品種・試作・通信基地局・産業用途で使われ、仕様変更に強いのが利点。AIでは推論や前処理の一部で使われます。汎用(GPU)と専用(ASIC)の中間と覚えると整理しやすいです。

学習 vs 推論／データセンター vs エッジで使い分ける

チップは「何をするか」で住み分けます。

学習(training)：巨大モデルを作る工程 → 主にデータセンターのGPU/TPU
推論(inference)：作ったモデルを使う工程 → データセンター（GPU/ASIC）からエッジ（NPU）まで幅広い

一般に学習市場はGPUが、エッジ推論はNPUが、クラウドの大量推論はカスタムASICが…という具合に重なり合います。「AI＝GPUだけ」ではないのがポイントです。チップ間を高速につなぐインターコネクトも性能を左右します。

投資家の視点：実際に「買える」のはどれか

ここが最重要です。TPU・NPUの多く（Googleや端末メーカーの内製）は、それ単体を上場株として買えません。株式市場で投資できるのは主に次の層です。

汎用GPU：NVDA・AMD
カスタムASIC設計：AVGO・MRVL（＋接続のALAB・CRDO）
モバイル/エッジNPU入りSoC：QCOM ほか
裏方：どのチップでも必要な製造装置やHBMメモリ

バリュエーションは PER・PSR と、株価が業績にどれだけ先行しているか（乖離）で確認します。各社の売上・利益率・R&D比率の推移は kabu のファンダビューアで、期待先行の度合いは乖離ランキングで見られます。

リスクと注意点

顧客集中：カスタムASIC設計は特定ハイパースケーラ数社への依存が大きい
技術の入れ替わり：今の最適解（GPU優位）が将来も続くとは限らない
期待先行：AIチップ関連は PER/PSR が高く、決算が良くても株価が下がることがある（決算サプライズの読み方）
「TPU/NPUブーム」≠買える：話題のチップと投資できる銘柄は別物

本記事は情報提供・教育目的であり、投資助言ではありません。最終判断はご自身で行ってください。

よくある質問

GPUとTPU・NPUは何が違うの？

GPUは大量の並列計算が得意な「準汎用」チップで、AI学習の主力です。TPUはGoogleが作ったAI専用ASIC、NPUは端末側で省電力に推論を行う専用回路で、どちらも「AI専用ASIC」の一種です。汎用なほど柔軟だが効率は落ち、専用なほど速く省電力だが用途が狭い、というトレードオフがあります。

TPUやNPUの会社の株は買えますか？

TPUはGoogleの内製、NPUの多くは端末メーカーのSoCに内蔵されており、「TPU株」「NPU株」を単体で買うことは基本的にできません。投資できるのは汎用GPU(NVDA/AMD)、カスタムASIC設計(AVGO/MRVL)、モバイルSoC(QCOM)、製造装置やメモリといった周辺の上場企業です。

学習と推論でチップは違うの？

重なりますが傾向は分かれます。巨大モデルを作る「学習」は主にデータセンターのGPU/TPU、できたモデルを使う「推論」はデータセンターのGPU/ASICからスマホ等のエッジNPUまで幅広く使われます。

NPUはなぜスマホやPCに入っているの？

クラウドに送らず端末内でAI処理を完結させると、低遅延・省電力・プライバシー保護で有利だからです。画像処理や音声認識、オンデバイス生成AIなどに使われ、SoCの一機能として搭載されるのが一般的です。

AIチップ株を選ぶときに何を見ればいい？

売上成長・粗利率・R&D比率・FCFといった業績の質に加え、株価が業績にどれだけ先行しているか（乖離スコア＝株価CAGR−売上CAGR）やPER/PSRの水準を確認します。kabuのビューアと乖離ランキングで実データを見るのがおすすめです。投資助言ではありません。